Eleven v3が正式リリース

最先端のテキスト読み上げモデル、Eleven v3がAlpha版を終了し、正式に提供開始しました。

Alphaリリース以降も、モデルの改良を続けてきました。主な改善点は2つあります：

より安定。 テストでは、以前のAlphaリリースと比べて72％のユーザーが新バージョンを好みました。

より高精度。 数字、記号、専門的な表記を多言語で処理する精度を大幅に改善しました。

精度の向上

テキスト読み上げモデルは、書かれた内容を解釈し、どう発音するかを判断する必要があります。同じ記号でも、文脈によって意味が異なる場合があります。

電話番号を例に見てみましょう：「+49 170 9876543」

以前のモデルでは、これを「プラス49、170、987万6543」と読み上げることがありました。数字の並びではなく、大きな数として解釈していたためです。正しくは「プラス4、9、1、7、0、9、8、7、6、5、4、3」と読み上げます。

こうしたエラーは、スポーツのスコア、化学式、通貨、座標など、モデルが記号を解釈して発音方法を判断するさまざまな場面で発生していました。

8言語・27カテゴリーを対象とした社内ベンチマークでテストを実施しました。

全体： エラーを68％削減。エラー率は15.3％から4.9％に低下しました。

カテゴリー別エラー率：

改善が特に大きいのは、文脈によって解釈が決まるカテゴリーです。たとえばコロンは、周囲のテキストに応じてスポーツのスコア、時刻、アスペクト比を表す場合があります。

例

通貨 — 金額を正しく認識：

入力： ¥250,000

改善前：2万5千円

改善後： 25万円

化学式 — 記号を正しく保持：

入力： SO₂

改善前：「サルファーダブル」（誤った読み）

改善後： 「S O 2」

スポーツのスコア — 文脈に応じた解釈：

入力： 最終スコア：102-98

改善前：「102引く98」

改善後： 「102対98」

提供状況

Eleven v3は現在、すべてのプラットフォームで正式に利用できます。